DeepSeek SpringAI 实战打造AI家庭医生应用

从本地调用到云端上线的完整闭环

很多开发者尝试接入大模型 API 时，往往止步于简单的接口调用，缺乏将应用落地为可维护服务的工程能力。这门课以“AI 家庭医生”为具体场景，解决从模型部署、业务逻辑封装到生产环境发布的全流程问题。课程不追求算法调优的深度，而是聚焦于工程化实战，重点解决如何将本地或云端的大模型能力，通过 Spring Boot 3 整合为稳定运行的后端服务，并处理医患沟通记录的持久化存储。对于希望掌握企业级 AI 应用开发范式的读者而言，这种“模型 + 框架 + 数据库 + 部署”的组合训练，比单纯学习如何写 Prompt 更具长期价值。

适合人群与前置门槛

本内容不适合 Java 零基础初学者。课程从第 4 章开始快速搭建环境，默认读者已掌握 Java 8 及以上基础语法，理解 Maven 依赖管理，并具备基本的 Linux 命令操作能力。若你从未使用过 IDEA 或配置过 JDK 环境，建议先补齐基础，否则在搭建 Spring Boot 基础架构时会耗费大量时间排查环境错误。对于有一定后端经验、想快速切入 AI 工程化领域的开发者，本章可直接跳过环境搭建部分，重点关注第 5 章的多环境配置解耦与第 8 章的 MyBatis-Plus 集成。资料包中第 2 章的项目介绍与架构选型讲解篇幅较短，建议作为预习材料快速浏览，以建立对整体技术栈（DeepSeek、Ollama、Spring Boot 3、MySQL 8）的认知框架。

学习路径与独立产出

建议按“本地部署-核心开发-数据持久化-容器化发布”的顺序推进。首先在第 3 章完成 DeepSeek 模型的本地 Ollama 部署，无论使用 Windows 还是 Mac 系统，务必确保模型能被 Chatbox 等前端工具正常调用，这是后续开发的基础。接着进入第 5、8 章，搭建 Spring Boot 3 项目骨架，重点理解 yml 多环境配置分离策略，以及如何使用 MyBatis-Plus 将 AI 病情分析记录存入 MySQL 数据库。最后，第 9 章是课程含金量最高的部分，涵盖 GPU 云服务器采购、Docker 容器化封装、Nginx 静态资源发布及生产环境参数配置。学完并练习后，你应具备独立能力：从零开始配置开发环境，编写调用本地或云端 LLM 的 RESTful 接口，实现业务数据的入库查询，并将整个应用打包为 Docker 镜像部署至云端服务器。资料包中的视频需结合实操进行，建议在本地模拟完成一遍完整流程，再对照云端部署章节理解差异，避免仅看视频而不执行命令导致的手生现象。